Selekcja i inżynieria cech

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie

Mark Peterson

Director of Data Science, Infoblox

Usuwanie zbędnych cech

• Unikalne identyfikatory
  • Numery telefonów
  • Numery PESEL
  • Numery kont
• Metoda .drop()

telco.drop(['Soc_Sec', 'Tax_ID'], axis=1)

Usuwanie skorelowanych cech

• Silnie skorelowane cechy można usunąć
• Nie wnoszą dodatkowych informacji do modelu

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

telco.corr()

Inżynieria cech

• Tworzenie nowych cech w celu poprawy wydajności modelu
• Warto konsultować się z ekspertami biznesowymi i dziedzinowymi

Przykłady inżynierii cech

• Łączna liczba minut: suma Day_Mins, Eve_Mins, Night_Mins, Intl_Mins
• Stosunek minut do opłaty

 

telco['Day_Cost'] = telco['Day_Mins'] / telco['Day_Charge']

Czas na ćwiczenia!

Marketing Analytics: Przewidywanie rezygnacji klientów w Pythonie